基于大数据和用户行为的分词、词性标注、命名实体识别，定位基本语言元素，消除歧义，支撑自然语言的准确理解
中文分词
中文分词是将连续的自然语言文本，切分成具有语义合理性和完整性的词汇序列的过程
词性标注
词性标注（Part-of-Speech tagging 或POS tagging）是指为自然语言文本中的每个词汇赋予一个词性的过程
专有名词
命名实体识别（Named Entity Recognition 简称NER），即"专名识别"，是指识别自然语言文本中具有特定意义的实体，主要包括人名、地名、机构名、时间日期等
洪雨说的通俗一点，就是能够精准划分文章中各个词语的词性。
词向量表示
依托全网海量优质数据和深度神经网络技术，通过词语的向量化来实现文本的可计算，帮助您快速完成语义挖掘、相似度计算等应用
词向量计算是通过训练的方法，将语言词表中的词映射成一个长度固定的向量。词表中所有的词向量构成一个向量空间，每一个词都是这个词向量空间中的一个点，利用这种方法，实现文本的可计算
语义召回
对候选资源进行词向量表示，并构建向量表示基础上的快速索引召回技术，与传统的基于字词倒排索引方法不同，直接从语义相关性角度上给用户召回结果
个性化推荐
基于用户的历史行为建模用户兴趣表示，学习用户与推荐候选之间的兴趣匹配度，实现对用户的个性化推荐
洪雨说的通俗一点，就是百度内容数据库的一种新的构建方式。
词义相似度
依托全网海量优质数据和深度神经网络技术，通过词语向量化来计算两个词之间的相似度，满足高精度要求的业务场景需求
深度语义解析
该技术常用于计算两个给定词语的语义相似度，基于自然语言中的分布假设，即越是经常共同出现的词之间的相似度越高
领先技术应用
词义相似度是自然语言处理中的重要基础技术，是专名挖掘、query改写、词性标注等常用技术的基础之一
专名挖掘
通过词语间语义相关性计算寻找人名、地名、机构名等词的相关词，扩大专有名词的词典，更好的辅助应用
query改写
通过寻找搜索query中词语的相似词，进行合理的替换，从而达到改写query的目的，提高搜索结果的多样性
洪雨说，这个功能只能说明一点，百度的同义词技术比你玩的专业。
依存句法分析
自动分析文本中的依存句法结构信息，实现对自然语言的精准理解
深度语义结构
利用句子中词与词之间的依存关系来表示词语的句法结构信息(如主谓、动宾、定中等结构关系) ，并用树状结构来表示整句的的结构(如主谓宾、定状补)等
算法识别准确
在大规模人工标注的数据基础上，句法结构描述体系简洁通用，海量数据训练让文本匹配更准确
语言理解
通过分析用户Query的依存句法结构信息，抽取其中的语义主干及相关语义成分，帮助智能产品实现对用户意图的精准理解
知识发掘
对大规模非结构化文本数据进行句法结构分析，从中抽取实体、概念、语义关系等信息，帮助构建领域知识或世界知识
语言结构匹配
基于语言对(Query-WebTitle)之间的句法结构信息进行语言的匹配计算，帮助提升语义匹配计算的准确率
洪雨说直白一些，就是通过上下文的句子意思，能够理解词意，利用这种算法，就算一些新发明的专业词，他也能快速理解。
DNN语言模型
依托全网海量优质数据和深度神经网络技术，判断一句话是否符合语言表达习惯，帮助您实现文本分析、纠错、对话等多种语义应用
语言模型是通过计算给定词组成的句子的概率，从而判断所组成的句子是否符合客观语言表达习惯
通常用于机器翻译、拼写纠错、语音识别、问答系统、词性标注、句法分析和信息检索等
拼写纠错
基于句子上下文，计算纠错候选的语言模型概率。用于拼写纠错，提升用户体验
合作案例: 百度搜索 百度知道
对话系统
判断用户输入的句子是否符合自然语言表达习惯，辅助对话系统进行决策
合作案例: 度秘
机器翻译
语言模型对翻译候选的打分作为最终译文的重要排序指标，提升翻译效果
合作案例: 百度翻译
洪雨说，这个功能就是告诉你，你写个病句我都知道，更别说垃圾文章了。
短文本相似度
依托全网海量优质数据和深度神经网络技术，为您提供高精度的短文本相似度服务，帮助快速实现推荐、检索、排序等应用
短文本相似度计算
提供两个短文本之间的语义相似度计算能力，输出的相似度是一个介于0到1之间的实数值，输出数值越大，则代表语义相似程度相对越高
短文本相似聚合
通过语义相似度计算，判断两个短文本的语义表述是否相近，从而实现相似短文本的聚合或去重
信息检索
在很多应用中都需要根据文本来检索其相似文本，需求场景非常普遍。不仅适用于纯文本检索，还可以利用标签等来检索图片、视频
新闻推荐
通过用户刚刚浏览的新闻标题，检索出其他的相似新闻推荐给用户
智能客服
用户输入一个问题时，自动为用户寻找相似的问题和答案
洪雨解释，上边那个词向量表示是说如何做数据库的，这个短文本相似度，就是如何匹配计算原创的。
以上功能你看了怕不怕，如果你仔细看过，你就能知道百度当下的神通。
而且这些功能都是开放式的，你可以免费使用50万次，超出的部分才收费，百度不断赚了钱，而且还能再次获取海量数据。
这就是当下搜索引擎老大的力量！
洪雨再发几个功能，不介绍了，自己体会一下。
文本纠错
识别文本中有错误的片段，进行错误提示并给出正确的建议文本内容
错别字识别与纠正
准确识别输入文本中出现的拼写错别字及其段落位置信息，并针对性给出正确的建议文本内容
多场景纠错支持
支持短文本、长文本、语音识别结果等多种文本内容，在搜索引擎、语音识别、内容审核有广泛应用，能显著提高各场景下语义的准确性和用户阅读体验
情感倾向分析
对包含主观信息的文本进行情感倾向性判断，可支持在线训练模型调优效果，为口碑分析、话题监控、舆情分析等应用提供帮助
情感分析通用版
针对通用场景下带有主观描述的中文文本，自动判断该文本的情感极性类别并给出相应的置信度，情感极性分为积极、消极、中性
情感分析定制版
支持用户使用适合自身应用场景的情感极性标注语料，在通用模型基础上进行优化训练，满足专属场景的更高准确率要求
多实体情感分析
针对特定场景下带有主观描述的篇章文本，自动识别文本中的核心实体词，并分别判断每个实体词对应的情感和对应置信度
评论观点抽取
自动抽取和分析评论观点,帮助您实现舆情分析、用户理解，支持产品优化和营销决策
自动分析评论关注点和评论观点，并输出评论观点标签及评论观点极性。目前支持13类产品用户评论的观点抽取，包括美食、酒店、汽车、景点等，可帮助商家进行产品分析，辅助用户进行消费决策
对话情绪识别
自动检测用户日常对话文本中蕴含的情绪特征，帮助企业更全面的把握产品体验、监控客户服务质量
精细化的对话文本情绪识别
在对话场景中，识别对话双方文本背后蕴含的用户情绪，一级情绪分为正向、中性、负向3种，正向情绪细分为：喜爱、愉快、感谢3种；负向情绪细分为：抱怨、愤怒、厌恶、恐惧、悲伤5种
负向情绪参考回复话术
针对机器识别到的负向情绪，结合上下文语境给出有针对性的参考回复话术，帮助应用方第一时间安抚客户负向情绪
文章标签
对文章进行核心关键词分析，为新闻个性化推荐、相似文章聚合、文本内容分析等提供技术支持
技术领先识别准确
文章标签服务对文章的标题和内容进行深度分析，输出能够反映文章关键信息的主题、话题、实体等多维度标签以及对应的标签置信度
维度丰富应用广
包含多维度信息，全面覆盖文章关键信息主题，可广泛应用在文章聚合、个性化推荐、内容检索等场景中
文章分类
对文章按照内容类型进行自动分类，首批支持娱乐、体育、科技等26个主流内容类型，为文章聚类、文本内容分析等应用提供基础技术支持
文章主题分类
文章分类服务对文章内容进行深度分析，输出文章的主题一级分类、主题二级分类，如娱乐、社会、音乐、人文、科学、历史、军事、体育、科技、教育等分类结果
相关置信度
可通过文章分类结果，给出对应的一定置信相关度分值，如一般相关、非常相关、相关度较低。在个性化推荐、文章聚合、文本内容分析等场景具有广泛应用价值
新闻摘要
基于深度语义分析模型，自动抽取新闻文本中的关键信息并生成指定长度的新闻摘要。可用于热点新闻聚合、新闻推荐、语音播报、APP消息Push等场景
全面分析新闻语义
结合传统语义特征和深度学习模型，充分考虑段落分布和篇章结构，准确计算新闻语句的重要性，对新闻内容进行全面的语义理解与分析
自动抽取摘要文本
能根据需求灵活控制摘要长度，自动抽取关键信息，形成摘要结果。可用于内容理解、内容分发、智能写作等多种应用，是智能媒体等行业必备AI能力之一
百度通过文字，连你生气不生气，都知道，你觉得作弊还有出路？
发表评论：